timit运行示例二

最新推荐文章于 2022-01-15 15:27:08 发布

小白也不想白

最新推荐文章于 2022-01-15 15:27:08 发布

阅读量890

点赞数

1. 在网上下载timit语音库，解压放到/u01/kaldi/egs/timit/s5/data目录下

jerry@hq:/u01/kaldi/egs/timit/s5/data/timit$ ls
doc readme.doc test TIMIT_phonemes.Table train

2. 切换到timit主目录下 /u01/kaldi/egs/timit/s5，
修改run.sh中的一项为 timit=/u01/kaldi/egs/timit/s5/data/timit ，即指定训练数据的目录。如下所示：
echo ============================================================================
echo " Data & Lexicon & Language Preparation "
echo ============================================================================

#timit=/export/corpora5/LDC/LDC93S1/timit/TIMIT # @JHU
timit=/u01/kaldi/egs/timit/s5/data/timit # @BUT

local/timit_data_prep.sh $timit || exit 1

3. 直接运行./run.sh就可以了

***********************************************************************************************************************************************************

下面讲解下run.sh脚本的一些处理流程：

local/timit_data_prep.sh ----- 从训练数据库 /u01/kaldi/egs/timit/s5/data/timit中抽取出训练数据的目录位置并写到 /u01/kaldi/egs/timit/s5 /data/local/data，这里使用的命令/u01/kaldi/src/featbin/wav-to-duration

local/timit_prepare_dict.sh ----- 生成字典数据并放至到 /u01/kaldi/egs/timit/s5/ data/local/dict，使用的命令/u01/kaldi/tools/irstlm/bin/compile-lm， /u01/kaldi/tools/irstlm/bin/build-lm.sh，

utils/prepare_lang.sh ----- 借助字典数据生成语言模型并放至 /u01/kaldi/egs/timit/s5/ data/lang，使用的命令utils/make_lexicon_fst.pl， utils/sym2int.pl， fstcompile， fstaddselfloops， fstarcsort，

steps/make_mfcc.sh, steps/compute_cmvn_stats.sh ---- 借助 local/timit_data_prep.sh生成的数据位置抽取出MFCC特征，数据放到到 /u01/kaldi/egs/timit/s5/data/train ，使用的命令compute-mfcc-feats， compute-cmvn-stats， copy-feats, copy-matrix

单音素训练与解码
steps/train_mono.sh ---- 借助前两步生成的mfcc和语言模型生成单音素，使用命令gmm-init-mono， compile-train-graphs ， align-equal-compiled， gmm-acc-stats-ali， gmm-est， gmm-align-compiled

utils/mkgraph.s ---- 生成decoding graph，使用的命令fsttablecompose， fstminimizeencoded， fstisstochastic， fstcomposecontext， make-h-transducer， fstdeterminizestar， fstrmsymbols， fstrmepslocal， add-self-loops

steps/decode.sh ---- 解码数据，使用命令gmm-latgen-faster， gmm-decode-faster， compute-wer